搜索资源列表
simplemkl.zip
- Simple Multiple Kernel Learning (SVM) source code,Simple Multiple Kernel Learning (SVM) source code
svm
- 这是一个十分完善的SVM算法。包括各种的线性核和非线性核。能够解决各种分类问题。-This is a very good SVM algorithm. Including the linear kernel and nonlinear kernel. To solve various classification problems.
Advances_in_kernel_methods
- 这本书的内容基本摘自NIPS会议上的文章，质量高内容也很有深度，是一本经典的svm参考书。-the book with the name "advances in kernel methods",it is a classic book about kernel methods and svm.
svdd
- 超球面支持向量机，一种构建超球面来进行分类的单类svm -Ultra-spherical support vector machine, a super-spherical to build a single-category classification SVM
SVMbyQuadprog
- This is a support vector machine program developed based on quadprog. Polynomial and RBF kernel are supported. Test it by executing example.m with supported data.
pso-svm
- 这是一个用pso优化SVM中的惩罚参数C和核参数g的MATLAB源码，简单易学-This is an optimization of SVM with the pso in the penalty parameter C and kernel parameter g of the MATLAB source code, easy to learn
IEEEXplore11
- svm 信号理论的核参数估计，这是一篇ieee上下载的文章，与大家分享学习，谢谢。-SIGNAL THEORY FOR SVM KERNEL PARAMETER ESTIMATION . D. B. Nelson, R. L Damper, S. R. Gunn and B. Guo
Gauss-SVM
- 基于Gauss 核函数SVM分类机，使用二阶几何方法训练。-Gauss kernel function SVM classification based on machine, using the geometric method of second-order training.
SVMhybridsystem
- A distributed PSOSVM hybrid system with feature selection and parameter optimization -Abstract This study proposed a novel PSO–SVM model that hybridized the particle swarm optimization (PSO) and support vector machines (SVM) to improve the clas
SVM
- SVM基础资料,关于核函数的分类及可支持向量机的一些资料-SVM based on information about the kernel function support vector machine classification and may some of the information
hidden-space
- 最小二乘隐空间支持向量机 王玲 薄列峰 刘芳 焦李成 ! 在隐空间中采用最小二乘损失函数$提出了 最 小 二 乘 隐 空 间 支 持 向 量 机#0*&**52H 8 同 隐 空 间 支 持 向 量机#&**52H 一样$最小二乘隐空间支持向量机不需 要 核 函 数 满 足 正 定 条 件$从 而 扩 展 了 支 持 向 量 机 核 函 数 的 选择范围 8 由于采用了最小二乘损失函数$最小二乘隐空间支持向量机产生的优 化 问 题 为 无 约 束 凸 二 次 规
RBF-kernel-based-on-SVM-and-RVM-
- 基于RBF核的SVM及RVM模式分析性能比较.-RBF kernel based on SVM and RVM pattern analysis performance comparison.
svm-demo
- 一个svm的演示程序，能演示两类数据分类，有gui界面，不使用第三方工具箱，使用gaussian核函数，界面能设置c和gamma的参数值，最后可以得到分类情况的可视化效果。针对svm算法的研究者和用于教学演示的教师，是个不错的源码。-An svm demo program that can demonstrate two types of data classification, gui interface, do not use third-party toolbox, using gauss
SVM
- SVM: 一种分类器，采用最大化分类间隔进行优化参数。 关于这个分类器两点比较重要： 1）SMO优化算法需要掌握， 可以具体参看两篇文章，John Platt的文章 以及“Improvements to Platt s SMO algorithm for SVM Classifier Design” 2）核函数的使用，如何将核函数使用到SVM中，核函数就是空间转换的函数， 说白了就是距离计算函数，如何将同类之间的距离计算的比较近，如何将低维空间转换到易于分类的高维空间
SVM-kernel
- SVM核函数源代码，用matlab语言编写的，适用于分类及相关问题的分析-The SVM kernel function source code, written with matlab language, suitable for classification and analysis of the related problem
svm
- 对支持向量机硬间隔，软间隔和核函数的实现，采用的核为高斯核，高斯核所需的数据集包含在data中。-Support vector machines for hard intervals, soft interval and kernel implementations, using Gaussian kernel by kernel, Gaussian kernel required data set contains the data in.
SVM
- 支持向量机分类程序，使用高斯核函数，SMO顺序最优化算法，为学习SVM提供参考-SVM program, using a Gaussian kernel, SMO sequence optimization algorithm to provide a reference for learning SVM
svm
- 基于RBF径向基核函数实现SVM支撑矢量机算法使用RBF，garma值为0.5-Based on RBF radial basis kernel function to achieve SVM support vector machine algorithm using Garma, RBF value of 0.5
test1
- SVM-无监督机器学习领域的经典算法，在神经网络未出现前，他是机器学习的顶梁柱，现在依然用处广泛，而且其核函数的使用范围早已超脱其本身，该实例对SVM算法进行了实现，具有相应的数据集。(SVM - Unsupervised machine learning in the field of classical algorithms, before the neural network does not appear, he is the mainstay of machine learning,
sklearn-SVM
- 支持向量机(SVM)——分类预测，包括核函数调参，不平衡数据问题，特征降维，网格搜索，管道机制，学习曲线，混淆矩阵，AUC曲线等(Support vector machine (SVM) - classification prediction, including kernel function parameter adjustment, unbalanced data problem, feature dimensionality reduction, grid search, pipelin